AMP: 8 personas y US$8.510 al mes en agentes de IA

Ocho personas sosteniendo el trabajo de doce

AMP tiene cuatro empleados a tiempo completo y cuatro colaboradores externos. Su CEO, Rachel Woods, hace la cuenta sin adornos: sin los agentes que trabajan en segundo plano tendría que doblar el equipo. Traducido a contrataciones, son al menos cuatro o cinco personas más, según explicó a Business Insider.

La compañía nació como The AI Exchange antes de que ChatGPT viera la luz en noviembre de 2022, y hoy es un caso de estudio sobre cómo un equipo pequeño absorbe volumen de trabajo que antes exigía nómina. Los puestos que no están en plantilla dicen bastante del tipo de tarea que se automatizó: un responsable de ventas y marketing, un especialista de soporte al cliente, un asistente ejecutivo y un coordinador de operaciones.

El detalle que hace útil este caso no es el ahorro. Es que Woods no delegó en la IA: delegó en procesos que ella escribió antes. Su criterio cabe en una frase que cualquier founder debería apuntar: 'own the playbook, rent the tech'. El valor no está en la herramienta, está en el proceso documentado.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El playbook antes que la herramienta

La metodología que usa AMP se llama playbooking. Cada departamento tiene su sistema, y cada sistema es una colección de playbooks con agentes que pueden ejecutarse por separado o encadenados. El agente no improvisa: sigue un guion que alguien escribió antes.

El primer paso es analógico. Woods esboza a mano cómo quiere que funcione el playbook antes de tocar la herramienta. La razón es de sentido común: si automatizas un paso que no entiendes, no podrás confiar en el resultado ni detectar cuándo falla.

Así se construye, paso a paso:

Elige una tarea que repitas cada semana y escribe qué la dispara, qué información entra y qué debe salir al final.
Redacta los pasos como si formaras a un becario: cada decisión intermedia y qué significa hacerlo bien.
Lánzalo con la IA delante y compara el resultado con lo que habrías hecho tú.
Si falla, corrige el playbook, no la salida. Repite hasta poder soltarlo sin supervisión.

El detalle que separa este método de la automatización de despacho es la corrección. Cuando el resultado no cuadra, no se retoca la salida: se reescribe el guion. Y cada persona del equipo empieza automatizando su propio flujo de trabajo, que funciona como campo de pruebas antes de ascender a sistema oficial de la empresa.

Cuánto cuesta de verdad: la factura del agente de fondo

El coste no es cero, y aquí conviene separar dos partidas. La primera son las suscripciones de Claude y ChatGPT de cada persona del equipo. La segunda es la que pesa: los playbooks que se ejecutan solos, sin que nadie pulse nada, y que se facturan por uso. En septiembre esa factura ascendió a 8.510 dólares en Claude Code, según el caso publicado.

La cuenta que propone el propio análisis es reveladora. Si esos 8.510 dólares se repitieran doce meses, la factura rondaría los 102.000 dólares anuales en un solo proveedor de ejecución: el equivalente a una o dos contrataciones en España. La pregunta correcta, entonces, no es cuánto cuesta la IA, sino cuánto cuesta la tarea terminada y cuántas de esas tareas justifican el gasto. Sin playbook, esa comparación es imposible.

Este es el punto donde muchas pymes se equivocan. Compran la suscripción antes de haber escrito el proceso, y ahí aparece el riesgo del que habla Woods: agentes que corren por inercia, sin dueño ni definición de calidad. Un sistema así no se puede auditar, y lo que no se puede auditar no se puede delegar.

Qué significa esto para tu startup

El criterio que falta en la mayoría de los equipos pequeños no es técnico, es de diseño. La secuencia correcta es simple de enunciar y difícil de ejecutar: escribe primero, automatiza después y revisa siempre.

Dos acciones concretas para empezar esta semana:

Elige una tarea, no una herramienta. Toma el proceso que repites cada semana, descríbelo por escrito con su disparador, sus entradas y su criterio de calidad, y solo entonces decide qué modelo lo ejecuta. Si no puedes explicarlo por escrito, tampoco podrás supervisarlo.
Pon dueño y fecha de revisión a cada playbook. Cada guion necesita una persona responsable y una revisión periódica, igual que cualquier proceso crítico del negocio. Sin ese responsable, el agente se convierte en un gasto que nadie audita.

La lógica no es nueva, solo cambia el objeto. Es la misma secuencia que propone Lean Startup cuando pide construir, medir y aprender: aquí se construye un playbook, se mide contra el criterio de quien lo escribió y se corrige el sistema, no el síntoma. La diferencia es la frecuencia: un agente ejecuta veinte veces al día lo que una persona hace una.

Gobernar agentes: el problema que crece con la escala

El caso de AMP es la versión amable del problema. La versión incómoda aparece cuando la empresa pasa de diez agentes a mil, y ahí los datos del sector son menos optimistas.

Según Gartner, citado por Forbes Technology Council, el 72% de los CIO reporta que sus organizaciones están empatando o perdiendo dinero con sus inversiones en IA, y la firma proyecta que más del 40% de los proyectos de IA agéntica serán cancelados antes de fines de 2027 por costos crecientes. El BCG 2026 Applied AI Index, recogido por ZDNET, matiza el panorama: la mitad de las empresas ya genera valor con IA, pero la proporción de ese valor atribuible a la IA agéntica pasó del 17% en 2025 al 22% en 2026, y las compañías más maduras tardan unos once meses en capturarlo.

El problema de gobernanza es el que más rápido se descontrola. Reco, una startup de seguridad de agentes, encontró 21.000 agentes que un cliente Fortune 100 no sabía que tenía, según reportó TechCrunch. Y una encuesta de EY citada por ZDNET señala que más de la mitad de los responsables de decisiones de IA están saltándose sus propios procesos de gobernanza para acelerar despliegues agénticos.

La industria ya está respondiendo con infraestructura. ServiceNow presentó AI Passport, una credencial firmada criptográficamente que define la identidad de un agente, sus acciones permitidas, los sistemas a los que accede y su dueño responsable, según SiliconANGLE. La idea de fondo la resume Gourab Basu, de meshIQ, en Help Net Security: las instrucciones escritas en un prompt no son una frontera de control, porque el agente puede cambiar su propio camino mientras trabaja. El control real ocurre cuando la política se aplica dentro del flujo de ejecución, antes de que la acción llegue al sistema de producción.

Eso es exactamente lo que Woods hace a mano con sus playbooks. La diferencia es que ella lo resuelve con disciplina y una hoja de papel, antes de que el problema escale.

Conclusión

El caso de AMP no enseña que la IA reemplace contrataciones. Enseña que un proceso escrito con criterio propio es el activo que no se cambia de proveedor. Los mismos agentes podrían correr en ChatGPT, Grok, Gemini o Copilot; lo que no se migra es el criterio con el que se diseñaron.

Para un founder con ocho personas en nómina, la lección cabe en una secuencia: escribe primero, automatiza después y revisa siempre. La IA no sustituye al criterio; lo amplifica, para bien y para mal.